طراحی پایدارساز سیستم قدرت با ساختار بهینه برای یک سیستم قدرت چند ماشینه به منظور میرا کردن نوسانات فرکانس پایین با استفاده از الگوریتم‌های فرا ابتکاری

جهت پاسخگویی به تقاضای انرژی، گسترش شبکه‌های انتقال باعث رخ دادن نوساناتی با فرکانس کم در سیستم قدرت شده است. این نوسانات در صورت میرا نشدن، قابلیت باردهی خطوط انتقال شبکه را کاهش داده و گاهاً باعث ناپایداری کل سیستم میگردد. از این رو تنظیم بهینه پارامتر‌های پایدار‌ساز سیستم قدرت آن از اهمیت ویژه‌ای برخوردار است. این مهم باعث افزایش عملکرد مطلوب پایدار ساز در طی اغتشاش‌های ناخواسته می‌شود. در این مقاله، به‌منظور افزایش پایداری سیستم قدرت چند ماشینه و در نتیجه افزایش عملکرد کل سیستم قدرت، از الگوریتم بهینه سازی مبتنی برآموزش و یادگیری استفاده می‌شود. در واقع چون تنظیم بهینه پارامترهای کنترلی تاثیر مستقیم در میزان پایداری فرکانس پایین دارد، این امر به‌صورت یک مسئله بهینه‌سازی فرمول‌بندی شده و با الگوریتم جدید مبتنی برآموزش و یادگیری تنظیم بهینه پایدارساز سیستم قدرت انجام می‌گردد. برای بررسی کارا بودن روش پیشنهادی از یک شبکه نمونه چهار شینه استفاده می‌شود. با بررسی و مقایسه نتایج با استفاده از الگوریتم رقابت استعماری در حالت‌های مختلف نشان داده می‌شود که روش پیشنهادی با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری بسیار کاراتر می‌باشد.

Optimal Power System Stabilizer Design for a Multimachine Power System to Damp the Low Frequencies using Metaheuristic Algorithms

To meet the energy demand, the expansion of transmission networks has caused low frequency oscillations in the power system. These fluctuations, if not attenuated, reduce the capability of the transmission lines and sometimes cause the whole system to be unstable. Proper selection of stabilizing parameters have great importance and increase the optimum performance during unwanted disturbances. In this article, a new algorithm based on teaching and learning is used to increase the stability of the multimachine power system and thus increase the performance of the power system. In fact, since the optimal tuning of the control parameters has a direct effect on the low frequency stability, it becomes an optimization problem and is accomplished with a new algorithm based on the optimized training and learning algorithm of the power system stabilizer. In addition, the results are compared with the colonial competition algorithm. A fourMachin test system is used to evaluate the effectiveness of the proposed method. By examining the results in different modes, it is shown that the proposed method using the learningbased optimization algorithm is much more efficient than the proposed method using the colonial competitionbased algorithm.